pythonnumpypdf

A. 如何使用python做統計分析

Shape Parameters
形態參數
While a general continuous random variable can be shifted and scaled
with the loc and scale parameters, some distributions require additional
shape parameters. For instance, the gamma distribution, with density
γ(x,a)=λ(λx)a−1Γ(a)e−λx,
requires the shape parameter a. Observe that setting λ can be obtained by setting the scale keyword to 1/λ.
雖然一個一般的連續隨機變數可以被位移和伸縮通過loc和scale參數，但一些分布還需要額外的形態參數。作為例子，看到這個伽馬分布，這是它的密度函數
γ(x,a)=λ(λx)a−1Γ(a)e−λx,
要求一個形態參數a。注意到λ的設置可以通過設置scale關鍵字為1/λ進行。
Let』s check the number and name of the shape parameters of the gamma
distribution. (We know from the above that this should be 1.)
讓我們檢查伽馬分布的形態參數的名字的數量。（我們知道從上面知道其應該為1）
>>>
>>> from scipy.stats import gamma
>>> gamma.numargs
1
>>> gamma.shapes
'a'

Now we set the value of the shape variable to 1 to obtain the
exponential distribution, so that we compare easily whether we get the
results we expect.
現在我們設置形態變數的值為1以變成指數分布。所以我們可以容易的比較是否得到了我們所期望的結果。
>>>
>>> gamma(1, scale=2.).stats(moments="mv")
(array(2.0), array(4.0))

Notice that we can also specify shape parameters as keywords:
注意我們也可以以關鍵字的方式指定形態參數：
>>>
>>> gamma(a=1, scale=2.).stats(moments="mv")
(array(2.0), array(4.0))

Freezing a Distribution
凍結分布
Passing the loc and scale keywords time and again can become quite
bothersome. The concept of freezing a RV is used to solve such problems.
不斷地傳遞loc與scale關鍵字最終會讓人厭煩。而凍結RV的概念被用來解決這個問題。
>>>
>>> rv = gamma(1, scale=2.)

By using rv we no longer have to include the scale or the shape
parameters anymore. Thus, distributions can be used in one of two ways,
either by passing all distribution parameters to each method call (such
as we did earlier) or by freezing the parameters for the instance of the
distribution. Let us check this:
通過使用rv我們不用再更多的包含scale與形態參數在任何情況下。顯然，分布可以被多種方式使用，我們可以通過傳遞所有分布參數給對方法的每次調用（像我們之前做的那樣）或者可以對一個分布對象凍結參數。讓我們看看是怎麼回事：
>>>
>>> rv.mean(), rv.std()
(2.0, 2.0)

This is indeed what we should get.
這正是我們應該得到的。
Broadcasting
廣播
The basic methods pdf and so on satisfy the usual numpy broadcasting
rules. For example, we can calculate the critical values for the upper
tail of the t distribution for different probabilites and degrees of
freedom.
像pdf這樣的簡單方法滿足numpy的廣播規則。作為例子，我們可以計算t分布的右尾分布的臨界值對於不同的概率值以及自由度。
>>>
>>> stats.t.isf([0.1, 0.05, 0.01], [[10], [11]])
array([[ 1.37218364, 1.81246112, 2.76376946],
[ 1.36343032, 1.79588482, 2.71807918]])

Here, the first row are the critical values for 10 degrees of freedom
and the second row for 11 degrees of freedom (d.o.f.). Thus, the
broadcasting rules give the same result of calling isf twice:
這里，第一行是以10自由度的臨界值，而第二行是以11為自由度的臨界值。所以，廣播規則與下面調用了兩次isf產生的結果相同。
>>>
>>> stats.t.isf([0.1, 0.05, 0.01], 10)
array([ 1.37218364, 1.81246112, 2.76376946])
>>> stats.t.isf([0.1, 0.05, 0.01], 11)
array([ 1.36343032, 1.79588482, 2.71807918])

If the array with probabilities, i.e, [0.1, 0.05, 0.01] and the array of
degrees of freedom i.e., [10, 11, 12], have the same array shape, then
element wise matching is used. As an example, we can obtain the 10% tail
for 10 d.o.f., the 5% tail for 11 d.o.f. and the 1% tail for 12 d.o.f.
by calling
但是如果概率數組，如[0.1,0.05,0.01]與自由度數組,如[10,11,12]具有相同的數組形態，則元素對應捕捉被作用，我們可以分別得到10%，5%，1%尾的臨界值對於10，11,12的自由度。
>>>
>>> stats.t.isf([0.1, 0.05, 0.01], [10, 11, 12])
array([ 1.37218364, 1.79588482, 2.68099799])

Specific Points for Discrete Distributions
離散分布的特殊之處
Discrete distribution have mostly the same basic methods as the
continuous distributions. However pdf is replaced the probability mass
function pmf, no estimation methods, such as fit, are available, and
scale is not a valid keyword parameter. The location parameter, keyword
loc can still be used to shift the distribution.
離散分布的簡單方法大多數與連續分布很類似。當然像pdf被更換為密度函數pmf，沒有估計方法，像fit是可用的。而scale不是一個合法的關鍵字參數。Location參數，關鍵字loc則仍然可以使用用於位移。
The computation of the cdf requires some extra attention. In the case of
continuous distribution the cumulative distribution function is in most
standard cases strictly monotonic increasing in the bounds (a,b) and
has therefore a unique inverse. The cdf of a discrete distribution,
however, is a step function, hence the inverse cdf, i.e., the percent
point function, requires a different definition:
ppf(q) = min{x : cdf(x) >= q, x integer}

Cdf的計算要求一些額外的關注。在連續分布的情況下，累積分布函數在大多數標准情況下是嚴格遞增的，所以有唯一的逆。而cdf在離散分布，無論如何，是階躍函數，所以cdf的逆，分位點函數，要求一個不同的定義：
ppf(q) = min{x : cdf(x) >= q, x integer}
For further info, see the docs here.
為了更多信息可以看這里。
We can look at the hypergeometric distribution as an example
>>>
>>> from scipy.stats import hypergeom
>>> [M, n, N] = [20, 7, 12]

我們可以看這個超幾何分布的例子
>>>
>>> from scipy.stats import hypergeom
>>> [M, n, N] = [20, 7, 12]

If we use the cdf at some integer points and then evaluate the ppf at
those cdf values, we get the initial integers back, for example
如果我們使用在一些整數點使用cdf，它們的cdf值再作用ppf會回到開始的值。
>>>
>>> x = np.arange(4)*2
>>> x
array([0, 2, 4, 6])
>>> prb = hypergeom.cdf(x, M, n, N)
>>> prb
array([ 0.0001031991744066, 0.0521155830753351, 0.6083591331269301,
0.9897832817337386])
>>> hypergeom.ppf(prb, M, n, N)
array([ 0., 2., 4., 6.])

If we use values that are not at the kinks of the cdf step function, we get the next higher integer back:
如果我們使用的值不是cdf的函數值，則我們得到一個更高的值。
>>>
>>> hypergeom.ppf(prb + 1e-8, M, n, N)
array([ 1., 3., 5., 7.])
>>> hypergeom.ppf(prb - 1e-8, M, n, N)
array([ 0., 2., 4., 6.])

B. 怎麼用python進行數據

pandas是本書後續內容的首選庫。pandas可以滿足以下需求：

• 具備按軸自動或顯式數據對齊功能的數據結構。這可以防止許多由於數據未對齊以及來自不同數據源（索引方式不同）的數據而導致的常見錯誤。.

• 集成時間序列功能

• 既能處理時間序列數據也能處理非時間序列數據的數據結構

• 數學運算和簡約（比如對某個軸求和）可以根據不同的元數據（軸編號）執行

• 靈活處理缺失數據

• 合並及其他出現在常見資料庫（例如基於SQL的）中的關系型運算

1、pandas數據結構介紹

兩個數據結構：Series和DataFrame。Series是一種類似於以為NumPy數組的對象，它由一組數據（各種NumPy數據類型）和與之相關的一組數據標簽（即索引）組成的。可以用index和values分別規定索引和值。如果不規定索引，會自動創建 0 到 N-1 索引。



• #-*- encoding:utf-8 -*-import numpy as npimport osimport pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as pltimport time#下面看一下cummin函數#注意：這里的cummin函數是截止到目前為止的最小值，而不是加和以後的最小值frame = DataFrame([[1,2,3,4],[5,6,7,8],[-10,11,12,-13]],index = list('abc'),columns = ['one','two','three','four'])print frame.cummin()print frame


• >>>


• one two three four


• a 1 2 3 4


• b 1 2 3 4


• c -10 2 3 -13


• one two three four


• a 1 2 3 4


• b 5 6 7 8


• c -10 11 12 -13

相關系數與協方差

有些匯總

C. Python零基礎入門用什麼書誰有pdf的分享一下

入門的話，建議先看網上的教程自學，比如「python菜鳥教程」（簡單），「python廖雪峰教程」（相對難一點）。這兩個教程不錯，突出重點，也容易學習節約時間。

看完網上上述的其中一個教程之後，可以看pdf版的《python基礎教程（第二版）》，這本書很好，知識比較詳細，條理也清晰。
建議《python基礎教程》學到一定程度的時候，可以選擇自己要深入學習的方向（比如演算法與數據結構、數據分析等），再選擇學習其他的書。（一般學習得比較多的是關於numpy、matplotlib、pandas、scipy的書）
【這也是我自己的學習路線。個人覺得，先學習突出重點的網上教程要好，因為書本往往介紹知識太詳細，一下子給零基礎的學習者灌輸太多知識是很難消化的，也容易失去興趣。當學習了重點知識後，然後再去學習細節，一點點提升難度，效果可能更好。】

D. 《python科學計算第二版張若愚》pdf下載在線閱讀全文，求百度網盤雲資源

《python科學計算第二版張若愚》網路網盤pdf最新全集下載:
鏈接：https://pan..com/s/1PTV2fC43VVO9_CIcUL10Cw

?pwd=tbff 提取碼：tbff
簡介：《Python 科學計算（第2版）》詳細介紹Python科學計算中常用的擴展庫NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython，涉及數值計算、界面製作、三維可視化、圖像處理、提高運算效率等多方面的內容。

E. python數據分析需要哪些庫

1.Numpy庫
是Python開源的數值計算擴展工具，提供了Python對多維數組的支持，能夠支持高級的維度數組與矩陣運算。此外，針對數組運算也提供了大量的數學函數庫，Numpy是大部分Python科學計算的基礎，具有很多功能。
2.Pandas庫
是一個基於Numpy的數據分析包，為了解決數據分析任務而創建的。Pandas中納入了大量庫和標準的數據模型，提供了高效地操作大型數據集所需要的函數和方法，使用戶能快速便捷地處理數據。
3.Matplotlib庫
是一個用在Python中繪制數組的2D圖形庫，雖然它起源於模仿MATLAB圖形命令，但它獨立於MATLAB，可以通過Pythonic和面向對象的方式使用，是Python中Z出色的繪圖庫。主要用純Python語言編寫的，它大量使用Numpy和其他擴展代碼，即使對大型數組也能提供良好的性能。
4.Seaborn庫
是Python中基於Matplotlib的數據可視化工具，提供了很多高層封裝的函數，幫助數據分析人員快速繪制美觀的數據圖形，從而避免了許多額外的參數配置問題。
5.NLTK庫
被稱為使用Python進行教學和計算語言學工作的Z佳工具，以及用自然語言進行游戲的神奇圖書館。NLTK是一個領先的平台，用於構建使用人類語言數據的Python程序，它為超過50個語料庫和詞彙資源提供了易於使用的介面，還提供了一套文本處理庫，用於分類、標記化、詞干化、解析和語義推理、NLP庫的包裝器和一個活躍的討論社區。

F. Python怎麼檢驗數據分布

import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
import numpy as np
import pydotplus
import csv
import scipy.stats as ss
game =[ ]#game是一個列表 ，你自己弄一個自己的數據列表即可
x = np.array(game)#x要處理成這個樣子：
N=30
counts, bins = np.histogram(x, bins=N)
bin_width = bins[1]-bins[0]
total_count = float(sum(counts))
f, ax = plt.subplots(1, 1)
f.suptitle('query_uri')
ax.bar(bins[:-1]+bin_width/2., counts, align='center', width=.85*bin_width)
ax.grid('on')
def fit_pdf(x, name='lognorm', color='r'):
dist = getattr(ss, name) # params = shape, loc, scale
# dist = ss.gamma # 3 params
params = dist.fit(x, loc=0) # 1-day lag minimum for shipping
y = dist.pdf(bins, *params)*total_count*bin_width
sqerror_sum = np.log(sum(ci*(yi - ci)**2. for (ci, yi) in zip(counts, y)))
ax.plot(bins, y, color, lw=3, alpha=0.6, label='%s err=%3.2f' % (name, sqerror_sum))
return y
colors = ['r-', 'g-', 'r:', 'g:']
for name, color in zip(['exponweib', 't', 'gamma'], colors): # 'lognorm', 'erlang', 'chi2', 'weibull_min',
#分號後面的分布也可以打進去 線條顏色自己加
y = fit_pdf(x, name=name, color=color)
ax.legend(loc='best', frameon=False)
plt.savefig('G:\weibull216.png')
plt.show()
我之前也是考慮這個問題，這些代碼能實現'exponweib', 't', 'gamma'， 'lognorm', 'erlang', 'chi2', 'weibull_min',的擬合。只要自己輸入game，game為一組數據即可。

G. python能幹什麼

學完Python之後，可以從事以下工作崗位：

1、web開發：Python擁有非常完善的與web伺服器進行交互的庫，以及大量免費前端網頁模板，有非常優秀而且成熟的diangoWEB框架，功能齊全。
2、Linux運維：通過shell腳本去實現自動化運維，但是編程能力較弱，可以使用功能的庫很少，而Python作為膠水語言，可以很方便的與其他想結合，對各類工具進行二次開發，形成一套自己的運維管理系統。
3、游戲開發：在游戲開發方面可能Python無法匹敵C++，但是由於Python腳本化的優點，類似於游戲劇本、游戲玩法邏輯等這種非常靈活的設計上，修改起來非常方便。如果用於開發一款游戲程序，Python是非常具有優勢的。
4、網路爬蟲：在爬蟲方面，Python可以說是獨領風騷了，Python具有非常豐富的庫去網頁文檔的介面api以及後期網頁文檔的快速處理。
5、桌面軟體：在Windows系統桌面開發領域，C++等語言應用十分廣泛，而Python可以實現與C++無縫對接，並且同時支持QT以及GTK。
6、數據分析：python作為一門工程性語言，對於數據處理的類庫是相當豐富的，比如有高性能的科學計算類庫NumPy和SciPy。
7、人工智慧：其實可以寫人工智慧語言有很多，為何Python是首先呢?因為Python是膠水語言，具有獨特優勢才具有如此好的效果，主要使用python是因為CPython和底層原因的融合使得開發起來更加方便。

更多技術干貨，可關註：

H. python pdf二進制讀取問題

可以使用numpy.fromfile()，也可以使用open(filename, 'rb')，其中的'b'就是二進制的意思，然後使用文件類型的read方法，讀取一些位元組，再用struct.unpack()方法來解析二進制。
第一種方法是一次性讀入文件（或文件的前多少個連續位元組）到一個數組中，因此，靈活性差。
第二種方法靈活性很高，可以讀取任意位置（使用文件的seek()方法跳躍位置）的二進制數據，再使用struct.unpack()方法來進行各種二進制解析。

提示：二進制文件是不保留存儲方式的數據格式，因此，讀二進制文件時應該知道二進制文件的存儲格式。